研究团队发布长上下文状态追踪基准StateBench

研究团队推出长上下文状态追踪基准 StateBench，用于测试语言模型在长文档中追踪实体信息变化的能力。 该基准按 r-trivial、aperiodic、soluble、general finite 四个难度层级组织测试。报道未给出各模型在该基准上的具体成绩。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。